从实践者视角对不平衡数据策略的实证评估
机器学习
2023-11-13 v2 机器学习
摘要
本文评估了六种缓解不平衡数据的策略：过采样、欠采样、集成方法、专用算法、类别权重调整，以及称为基线的无缓解方法。这些策略在58个真实二分类不平衡数据集上进行了测试，不平衡率从3到120不等。我们对10种欠采样算法、5种过采样算法、2种集成方法和3种专用算法在八种不同的性能指标上进行了比较分析：准确率、ROC曲线下面积（AUC）、平衡准确率、F1值、G-mean、马修斯相关系数、精确率和召回率。此外，我们在源自真实数据、具有低（3）和高（100或300）不平衡比（IR）的改动数据集上评估了这六种策略。主要发现表明，每种策略的有效性根据所用指标显著不同。本文还考察了专用算法、过采样和集成方法类别中的一些较新算法。研究结果表明，各指标下表现最佳策略的当前排序不太可能因较新算法的引入而改变。
引用
@article{arxiv.1810.07168,
title = {An empirical evaluation of imbalanced data strategies from a practitioner's point of view},
author = {Jacques Wainer},
journal= {arXiv preprint arXiv:1810.07168},
year = {2023}
}